Reidentifikasi Orang Yang Berubah Baju Menggunakan Deep Learning

Wahid, Yusuf Nur (2021) Reidentifikasi Orang Yang Berubah Baju Menggunakan Deep Learning. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 07211740000028-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (2MB) | Request a copy

Abstract

Reidentifikasi orang adalah sebuah kegiatan yang bertujuan untuk melakukan pengenalan terhadap seseorang dengan beberapa sudut pandang kamera yang berbeda.
Umumnya reidentifikasi seseorang hanya dilakukan dengan tanpa variasi baju atau hanya menggunakan satu jenis baju saja.
Namun, pada penelitian ini kami melakukan reidentifikasi orang dengan beberapa variasi baju sehingga akan lebih menggambarkan kondisi di dunia nyata di mana seorang yang sama bisa saja mengalami perubahan baju pada waktu tertentu.
Dataset yang kami gunakan di dalam penelitian kami adalah dataset NKUP yang berisi 5.336 citra yang berbeda.
Pada penelitian sebelumnya sudah dilakukan penelitian mengenai reidentifikasi orang yang berubah baju, namun hasil mAP dan Top-k Ranking masih kurang baik sehingga perlu ditingkatkan lagi.
Tujuan dari penelitian ini adalah mencari model paling efektif untuk melakukan reidentifikasi orang yang mengalami perubahan baju.
Adapun pada penelitian ini kami melakukan beberapa pengujian menggunakan model CNN, yaitu ResNet50, DenseNet121, ResNet50 + PCB, dan EfficientNet B0-B4.
Untuk setiap model kami melakukan pelatihan model sebanyak lima kali lalu kami melakukan rerata nilai untuk setiap modelnya.
Hasil terbaik yang kami dapatkan dari semua model yang kami telah uji coba adalah dengan model DenseNet121 di mana mendapatkan rerata mAP sebesar 16,6%, Rank-1 17,1%, Rank-5 28,3%, dan Rank-10 35,9%.
==================================================================================================
Person reidentification is an activity that aims to identify a person with several different camera points of view.
Generally, the person reidentification is only used with no variations of clothes or only using one type of clothing.
However, in this study we used several variations of clothes so that they will better describe conditions in the real world where the same person may experience changes in clothes at certain times.
The dataset we used in our study was the NKUP dataset which contained 5,336 different images.
The previous study had conducted research on the person reidentification of people who changed the clothes, but the results of the mAP and Top-k Ranking were still not good, so it needed to be improved.
The purpose of this study is to find the most effective model for person reidentification whose clothes changed.
In this study, we conducted several examination using the CNN model, included ResNet50, DenseNet121, ResNet50 + PCB, and EfficientNet B0-B4.
For each model we examined model training five times and then we averaged the scores for each model.
The best result we got from all the models we had examined was the DenseNet121 model where the average of mAP was 16.6%, Rank-1 was 17.1%, Rank-5 was 28.3%, and Rank-10 was 35.9%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	computer vision, person re-identification, deep learning, metric learning, clothes variation, visi komputer, reidentifikasi orang, deep learning, metric learning, variasi baju.
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Yusuf Nur Wahid
Date Deposited:	02 Sep 2021 03:20
Last Modified:	02 Sep 2021 03:20
URI:	http://repository.its.ac.id/id/eprint/91539

Actions (login required)

View Item